CN107146232A - 口腔cbct图像与激光扫描牙齿网格的数据融合方法 - Google Patents
口腔cbct图像与激光扫描牙齿网格的数据融合方法 Download PDFInfo
- Publication number
- CN107146232A CN107146232A CN201710328325.6A CN201710328325A CN107146232A CN 107146232 A CN107146232 A CN 107146232A CN 201710328325 A CN201710328325 A CN 201710328325A CN 107146232 A CN107146232 A CN 107146232A
- Authority
- CN
- China
- Prior art keywords
- model
- corresponding points
- grid
- point
- alignment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)
Abstract
本发明公开了一种口腔锥形束CT(即CBCT)图像与激光扫描牙齿网格的数据融合方法,属于口腔医疗数字化领域。通过先快速定位出CBCT图像数据中的牙齿部位,并进一步利用图论里的最小割方法自动分割出上下颌,减少CBCT这边非牙齿部位数据(尤其是另一侧牙齿)的干扰,从而大大提高下一步的初始化对齐和精确对齐的精度与稳定性。本发明公布的对齐技术方案具有流程简单、更高的效率以及极好的稳定性等优点。另外,本发明的技术方案,使得基于用户交互式的选点对齐更为友好方便。首先,本发明公布了一种单点标记对齐技术,大大减少了用户的交互程度;其次,本发明的方案使得用户在选点时,也不需要十分精确,大大降低了用户的交互难度。
Description
技术领域
本发明属于口腔医疗数字化领域,特别是涉及一种口腔CBCT图像与激光扫描牙齿网格的数据融合方法。
背景技术
目前大部分相关软件产品的对齐功能需要用户交互,且该交互需要不少的工作量(用户需要调整两个模型的视角,并较为精确地在两个模型上标记3组(或以上)的对应点)。
极少数产品提供自动化对齐功能,但仍需要用户交互式进行预处理且算法的稳定性不能保证(如Noble Clinician或Blue Sky Plant)。
公布号为CN105447908A的专利公开了一种基于口腔扫描数据和CBCT数据的牙列模型生成方法,该方法在对齐CBCT图像和扫描牙齿数据时仍然需要用户标记多组对应点,不利于软件的用户友好性。
2017年2月第34卷第1期发表在生物医学工程学杂志的论文“基于口腔计算机断层扫描图像与激光扫描图像融合的牙齿三维模型重构”在对齐CBCT和扫描数据时,需要先分别从CBCT图像和扫描网格数据分割出牙冠部分,两边的分割算法都需要用户的交互进行初始化,算法过程较为复杂,存在一定的效率和稳定性问题,尤其是从CBCT图像分割牙冠。
总而言之:目前绝大部分的CBCT图像与扫描牙齿网格数据对齐技术仍然采用选取多组对应点进行对齐,而少量的自动化对齐方案算法过程复杂,存在效率和稳定性方面的不足。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种效率更高的口腔CBCT图像与激光扫描牙齿网格的数据融合方法。
为实现上述目的,本发明提供了一种口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征在于包括以下步骤:
步骤1:读取CBCT图像和扫描牙齿网格模型数据
读取CBCT扫描得到的三维DICOM图像序列数据,以及激光扫描的牙齿网格模型;
步骤2:从CBCT图像重建出带牙齿部位的头部骨骼网格模型
首先从CBCT图像重建出包含牙齿部位的网格,从CBCT图像中抽取等值面网格,重建出包含有牙齿部位的头部骨骼网格模型;
步骤3:用户标记一组对应点并设置对齐模式
在所述头部骨骼网格模型和所述牙齿网格模型上,用户手动拾取一组对应标记点;
步骤4:从所述头部骨骼网格模型中分割出牙齿部位网格
设定灰度值阈值A,从CBCT图像中抽取出所有大于该灰度阈值的像素位置形成估计点集;然后,使用所述估计点集的轴向平行包围盒从重建的头部骨骼网格模型中分割出整个牙齿部位的网格;
步骤5:分割牙齿上下颌
使用Graph Cut算法分割牙齿的上下颌;在步骤4得到的牙齿网格上建立一个流量图,网格的顶点作为图的节点,网格的边作为图的边,边的权重(或容量)设置为两个节点在网格上的高斯曲率的平均值;
选择接近上颌牙齿分割平面的点作为源集Sources,接近下颌分割平面的点作为汇集Sinks;最后使用多源多汇的最大流算法求解最小割,得到分割后的两个网格模型;分割后的模型中连接源集的网格模型为牙齿上颌模型,连接汇集的网格模型为牙齿下颌模型;
步骤6:设定用于对齐的固定模型和浮动模型
将固定模型设为分割后的上颌牙齿或下颌牙齿;将浮动模型设为扫描牙齿网格模型;在对齐过程中,浮动模型通过几何坐标变换向固定模型运动以达到两个模型的最佳配准。
步骤7:初始化对齐
初始化对齐的目标是将固定模型和浮动模型进行粗略地对齐;
首先,对齐两个模型的牙尖的朝向;采用主成分分析方法分析两个网格模型的形态,得到三个主方向和三个对应的特征值;将固定模型与浮动模型按照主成分分析方法估计的最小主方向进行对齐;
然后,根据步骤3中标记的对应点进一步对齐牙齿的位置和朝向;将固定模型和浮动模型按照标记点的位置进行平移重合,并在保持牙尖朝向的条件下对齐标记点的法向量,即将法向量分别向牙尖朝向进行投影分解,然后对齐各自垂直于主方向的分量;采用ICP算法尝试两种初步对齐状态,并将具有最多对应点个数的对齐结果作为最终的初始化对齐状态;
步骤8:精确对齐;
在ICP算法配置中首先采用一对一对应点筛选器筛选对应点进行对齐;然后采用倒置对应点筛选器筛选对应点进一步进行对齐;
经过精确对齐后的浮动模型状态作为最终扫描牙齿网格模型对齐到CBCT图像牙齿部位的结果。
较佳的,所述点到平面的ICP方法的一般过程为按以下步骤进行迭代:
(1)寻找固定模型和当前浮动模型的对应点;
(2)计算最优的刚性变换矩阵M,且应用变换M更新当前浮动模型;直至收敛,最后的浮动模型为对齐后的状态。
较佳的,对应点的寻找方法为对浮动模型中的每一个点,寻找固定模型中的距离最近的点作为对应点。
较佳的,通过使用对应点筛选器对找到的对应点进行筛选。
较佳的,所述对应点筛选器为一对一对应点筛选器;一对一对应点筛选器对多个浮动模型的点对应固定模型中的同一个点的对应关系进行筛选,保留距离最近的一组对应点。
较佳的,所述对应点筛选器为倒置对应点筛选器;倒置对应点筛选器保留相互是最近点的对应点。
本发明的有益效果是:本发明可在用户选取一对点的情况下自动对齐口腔CBCT图像和激光扫描牙齿网格模型,这得益于本技术方案能自动分割出CBCT图像数据的上下颌牙齿,采用了合适的ICP初始化以及算法的优化配置。
本技术方案通过先简单分割出CBCT中的牙齿部位,以及进一步利用图论里的最小割方法自动分割出上下颌,减少了CBCT这边非牙齿部位数据(尤其是另一侧牙齿)的干扰,对下一步的初始化对齐和精确对齐有很大帮助。而在本文了解的现有产品和技术中,这部分通常是用户在对齐模型前需要提前交互分割好上颌(或下颌)牙齿(或者需要分开带有上下颌的上下头骨)。这往往会产生较大的用户交互量,并且分割时容易裁剪掉重要的牙齿部位(尤其是牙冠)的数据。
本技术方案中,ICP算法配置为:首先结合一对一对应点筛选器进行初步精确对齐,然后使用倒置对应点筛选器,进一步最终精确对齐。初步精确对齐的过程一方面对初始化较为鲁棒,使得可以通过采用PCA结合单个标记点初始化;另一方面具有快速的收敛速度,能较快得到一个基本的初步精确对齐状态。采用倒置对应进一步精确对齐,可筛选出更准确的对应点,提高对齐的精度。另外,采用一对一对应点筛选器和使用倒置对应约束,对噪音数据(比如CBCT牙齿数据和扫描牙齿数据都存在一些非牙冠区域)较为稳定,因而在本技术方案中基本不需要对两边的牙冠进行分割。
总结而言,本发明公布的对齐技术方案具有流程简单、更高的效率以及极好的稳定性等优点。另外,本发明的技术方案,使得交互式的选点对齐更为用户友好化。首先,本发明公布了一种单点标记对齐技术,大大减少了用户的交互程度;其次,本发明的方案使得用户在选点时,也不需要十分精确,大大降低了用户的交互难度。
附图说明
图1是本发明一具体实施方式的辅助示意图。
图2是口腔CBCT图像序列示意图。
图3是激光扫描模型(上颌)示意图。
图4是骨骼网格示意图。
图5是牙齿网格示意图。
图6是分割后的上颌示意图。
图7是分割后的下颌示意图。
图8是单点初始化结果示意图。
图9是精准对齐结果示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
如图1至图9所示,一种口腔CBCT图像与激光扫描牙齿网格的数据融合方法,包括以下步骤:
步骤1:读取CBCT图像和扫描牙齿网格模型数据
读取CBCT扫描得到的三维DICOM图像序列数据,以及激光扫描的牙齿网格模型;
步骤2:从CBCT图像重建出带牙齿部位的头部骨骼网格模型
首先从CBCT图像重建出包含牙齿部位的网格,将CBCT图像与扫描网格模型的牙齿部位的对齐转换为重建的网格模型与扫描牙齿模型的牙齿部位对齐。具体采用MarchingCubes方法从CBCT图像中抽取等值面网格(Isosurface),重建出包含有牙齿部位的头部骨骼网格模型;等值面的值设置为接近骨骼的CBCT图像的灰度值,本实施例取灰度值1000。
步骤3:用户标记一组对应点并设置对齐模式
在所述头部骨骼网格模型和所述牙齿网格模型上,用户手动拾取一组对应标记点。本实施例在对应的某颗牙齿上的近似部位(例如都取在牙齿外侧表面的接近中间的部位)分别拾取一个点,用于后面初始化对齐。计算(或获取)并记录标记点的位置(拾取到的在网格上某个三角面片内的点的坐标)和法向量(即标记点所在的一个三角网格面片的法向量)。另外,用户设置对齐上颌牙齿或是下颌牙齿;
步骤4:从所述头部骨骼网格模型中分割出牙齿部位网格
设定较高的灰度值阈值A,本实施例取2600,从CBCT图像中抽取出所有大于该灰度阈值的像素位置形成估计点集;由于牙齿部位的像素灰度值相对较高,抽取出的点集基本集中在牙齿部位,因而通过估计点集的AABB包围盒(轴向平行包围盒),可粗略得到牙齿部位的位置。然后,使用所述估计点集的轴向平行包围盒从重建的头部骨骼网格模型中分割出整个牙齿部位的网格。
步骤5:分割牙齿上下颌
使用Graph Cut算法(具体为S-T cut)分割牙齿的上下颌;在步骤4得到的牙齿网格上建立一个流量图,网格的顶点作为图的节点,网格的边作为图的边,边的权重(或容量)设置为两个节点(即网格顶点)在网格上的高斯曲率的平均值;
选择接近上颌牙齿分割平面(即过牙齿模型的具有最小Z值的顶点,且平行于XY平面的面)的点作为源集Sources,接近下颌分割平面(即过牙齿模型的具有最大Z值的顶点,且平行于XY平面的平面)的点作为汇集Sinks;最后使用多源多汇的最大流算法求解最小割,得到分割后的两个网格模型;分割后的模型中连接源集的网格模型为牙齿上颌模型,连接汇集的网格模型为牙齿下颌模型;
步骤6:设定用于对齐的固定模型和浮动模型
将固定模型设为分割后的上颌牙齿或下颌牙齿;若用户在步骤4选择对齐上颌,则将上颌牙齿模型设置为固定模型;反之,则将下颌牙齿模型设为固定模型。将浮动模型设为扫描牙齿网格模型;
步骤7:初始化对齐
初始化对齐的目标是将固定模型和浮动模型进行粗略地对齐;
首先,大致对齐两个模型的牙尖的朝向;采用主成分分析方法(PrincipleComponent Analysis,PCA)分析两个网格模型的形态(即网格的所有顶点的分布),分别得到三个主方向和三个对应的特征值;对应特征值最大的两个主方向形成的平面,指示了构成牙齿的网格的顶点主要分布(或牙弓曲线所接近)的平面,对应的特征值最小的主方向近似于牙尖的朝向。因而,先将固定模型与浮动模型按照主成分分析方法估计的最小主方向进行对齐;
然后,根据步骤3中标记的对应点进一步对齐牙齿的位置和朝向;将固定模型和浮动模型按照标记点的位置进行平移重合,并在保持牙尖朝向的条件下对齐标记点的法向量,即将法向量分别向牙尖朝向(最小主方向)进行投影分解,然后对齐各自垂直于主方向的分量(方向);由于两个模型牙尖方向的朝向存在正负方向问题(即最小主方向可能与牙尖朝向刚好相反),具有两个相反朝向的初步对齐状态。采用ICP(Iterative ClosestPoint,点到面的迭代最近点)算法尝试两种初步对齐状态,并将具有最多对应点个数的对齐结果作为最终的初始化对齐状态;
步骤8:精确对齐;
步骤801、初始化对齐的ICP的算法配置分为两个阶段,首先采用一对一对应点筛选器筛选对应点进行对齐,收敛的最大迭代次数设置为30次;然后采用倒置对应点筛选器筛选对应点进一步进行对齐,收敛的最大迭代次数设置为10次;
最后,计算浮动模型的每个点的对应点,并使用倒置对应筛选器进行筛选,得到更可靠的对应点对;选择具有更多的对应点对的对齐状态作为用于下一步精确对齐的初始状态;
步骤802、采用点到平面的ICP算法在初始化对齐状态下进一步精确对齐固定模型和浮动模型;
ICP算法配置为首先采用一对一对应点筛选器筛选对应点进行对齐,收敛的最大迭代次数设置为70次;然后采用倒置对应点筛选器筛选对应点进一步进行对齐,收敛的最大迭代次数设置为30次。
经过精确对齐后的浮动模型状态作为最终扫描牙齿网格模型对齐到CBCT图像牙齿部位的结果。
本实施例中所述点到平面的ICP方法的一般过程为按以下步骤进行迭代:
(1)寻找固定模型和当前浮动模型的对应点;
(2)计算最优的刚性变换矩阵M(M能使得将当前浮动模型应用变换M后,点到固定模型的对应点所在的平面的平均平方距离误差最小),且应用变换M更新当前浮动模型;直至收敛,最后的浮动模型为对齐后的状态。
本实施例中对应点的寻找方法为对浮动模型中的每一个点,寻找固定模型中的距离最近的点作为对应点。
本实施例中通过使用对应点筛选器对找到的对应点进行筛选,以提升算法的稳定性。
本实施例中所述对应点筛选器为一对一对应点筛选器;一对一对应点筛选器对多个浮动模型的点对应固定模型中的同一个点的对应关系进行筛选,保留距离最近的一组对应点。
当然在其他实施例中,所述对应点筛选器还可以为倒置对应点筛选器;倒置对应点筛选器保留相互是最近点的对应点。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (6)
1.一种口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征在于包括以下步骤:
步骤1:读取CBCT图像和扫描牙齿网格模型数据
读取CBCT扫描得到的三维DICOM图像序列数据,以及激光扫描的牙齿网格模型;
步骤2:从CBCT图像重建出带牙齿部位的头部骨骼网格模型
首先从CBCT图像重建出包含牙齿部位的网格,从CBCT图像中抽取等值面网格,重建出包含有牙齿部位的头部骨骼网格模型;
步骤3:用户标记一组对应点并设置对齐模式
在所述头部骨骼网格模型和所述牙齿网格模型上,用户手动拾取一组对应标记点;
步骤4:从所述头部骨骼网格模型中分割出牙齿部位网格
设定灰度值阈值A,从CBCT图像中抽取出所有大于该灰度阈值的像素位置形成估计点集;然后,使用所述估计点集的轴向平行包围盒从重建的头部骨骼网格模型中分割出整个牙齿部位的网格;
步骤5:分割牙齿上下颌
使用Graph Cut的最小割算法分割牙齿的上下颌;在步骤4得到的牙齿网格上建立一个流量图,网格的顶点作为图的节点,网格的边作为图的边,边的权重或容量设置为两个节点在网格上的高斯曲率的平均值;
选择接近上颌牙齿分割平面的点作为源集Sources,接近下颌分割平面的点作为汇集Sinks;最后使用多源多汇的最大流算法求解最小割,得到分割后的两个网格模型;分割后的模型中连接源集的网格模型为牙齿上颌模型,连接汇集的网格模型为牙齿下颌模型;
步骤6:设定用于对齐的固定模型和浮动模型
将固定模型设为分割后的上颌牙齿或下颌牙齿;将浮动模型设为扫描牙齿网格模型;在对齐过程中,浮动模型通过几何坐标变换向固定模型运动;
步骤7:初始化对齐
初始化对齐的目标是将固定模型和浮动模型进行粗略地对齐;
首先,对齐两个模型的牙尖的朝向;采用主成分分析方法分析两个网格模型的形态,分别得到三个主方向和三个对应的特征值;将固定模型与浮动模型按照主成分分析方法估计的最小主方向进行对齐;
然后,根据步骤3中标记的对应点进一步对齐牙齿的位置和朝向;将固定模型和浮动模型按照标记点的位置进行平移重合,并在保持牙尖朝向的条件下对齐标记点的法向量,即将法向量分别向牙尖朝向进行投影分解,然后对齐各自垂直于主方向的分量;采用迭代最近点算法尝试两种初步对齐状态,并将具有最多对应点个数的对齐结果作为最终的初始化对齐状态;
步骤8:精确对齐;
在ICP算法配置中首先采用一对一对应点筛选器筛选对应点进行对齐;然后采用倒置对应点筛选器筛选对应点进一步进行对齐;
经过精确对齐后的浮动模型状态作为最终扫描牙齿网格模型对齐到CBCT图像牙齿部位的结果。
2.如权利要求1所述的口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征是:所述点到平面的ICP方法的一般过程按以下步骤进行迭代:
(1)寻找固定模型和当前浮动模型的对应点;
(2)计算最优的刚性变换矩阵M,且应用该变换矩阵更新当前浮动模型;迭代上述过程直至收敛,最后的浮动模型为对齐后的状态。
3.如权利要求2所述的口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征是:对应点的寻找方法为对浮动模型中的每一个点,寻找固定模型中的距离最近的点作为对应点。
4.如权利要求3所述的口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征是:通过使用对应点筛选器对找到的对应点进行筛选。
5.如权利要求4所述的口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征是:所述对应点筛选器为一对一对应点筛选器;一对一对应点筛选器对多个浮动模型的点对应固定模型中的同一个点的对应关系进行筛选,保留距离最近的一组对应点。
6.如权利要求4所述的口腔CBCT图像与激光扫描牙齿网格的数据融合方法,其特征是:所述对应点筛选器为倒置对应点筛选器;倒置对应点筛选器保留相互是最近点的对应点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328325.6A CN107146232B (zh) | 2017-05-11 | 2017-05-11 | 口腔cbct图像与激光扫描牙齿网格的数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328325.6A CN107146232B (zh) | 2017-05-11 | 2017-05-11 | 口腔cbct图像与激光扫描牙齿网格的数据融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107146232A true CN107146232A (zh) | 2017-09-08 |
CN107146232B CN107146232B (zh) | 2020-05-05 |
Family
ID=59777315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328325.6A Active CN107146232B (zh) | 2017-05-11 | 2017-05-11 | 口腔cbct图像与激光扫描牙齿网格的数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107146232B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596896A (zh) * | 2018-04-26 | 2018-09-28 | 重庆市劢齐医疗科技有限责任公司 | 一种全自动的种植导板生产方法 |
CN109003269A (zh) * | 2018-07-19 | 2018-12-14 | 哈尔滨工业大学 | 一种能提高医生效率的医学影像病灶的标注提取方法 |
CN110619633A (zh) * | 2019-09-10 | 2019-12-27 | 武汉科技大学 | 一种基于多路滤波策略的肝脏图像分割方法 |
KR20210036697A (ko) * | 2019-09-26 | 2021-04-05 | 주식회사 메디트 | 3차원 데이터 정렬 장치 및 3차원 데이터 정렬 방법 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130044932A (ko) * | 2011-10-25 | 2013-05-03 | (주)쓰리디아이티 | 디지털 치아교정을 위한 영상 매칭정보 생성방법 및 이를 이용한 치아교정용 장치의 제작방법 |
US20130243289A1 (en) * | 2012-03-17 | 2013-09-19 | Sony Corporation | Graph cuts-based interactive segmentation of teeth in 3-d ct volumetric data |
CN103871097A (zh) * | 2014-02-26 | 2014-06-18 | 南京航空航天大学 | 基于牙齿预备体的数据柔性融合方法 |
CN104463952A (zh) * | 2014-11-10 | 2015-03-25 | 中国科学技术大学 | 一种人体扫描建模方法 |
CN105279762A (zh) * | 2015-11-20 | 2016-01-27 | 北京航空航天大学 | 一种口腔软硬组织ct序列与三维网格模型配准方法 |
CN105447908A (zh) * | 2015-12-04 | 2016-03-30 | 山东山大华天软件有限公司 | 基于口腔扫描数据和cbct数据的牙列模型生成方法 |
CN105761252A (zh) * | 2016-02-02 | 2016-07-13 | 北京正齐口腔医疗技术有限公司 | 图像分割的方法及装置 |
CN106327535A (zh) * | 2016-08-16 | 2017-01-11 | 苏州迪凯尔医疗科技有限公司 | Cbct的牙根与口内扫描的牙冠的融合方法 |
-
2017
- 2017-05-11 CN CN201710328325.6A patent/CN107146232B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130044932A (ko) * | 2011-10-25 | 2013-05-03 | (주)쓰리디아이티 | 디지털 치아교정을 위한 영상 매칭정보 생성방법 및 이를 이용한 치아교정용 장치의 제작방법 |
US20130243289A1 (en) * | 2012-03-17 | 2013-09-19 | Sony Corporation | Graph cuts-based interactive segmentation of teeth in 3-d ct volumetric data |
CN103871097A (zh) * | 2014-02-26 | 2014-06-18 | 南京航空航天大学 | 基于牙齿预备体的数据柔性融合方法 |
CN104463952A (zh) * | 2014-11-10 | 2015-03-25 | 中国科学技术大学 | 一种人体扫描建模方法 |
CN105279762A (zh) * | 2015-11-20 | 2016-01-27 | 北京航空航天大学 | 一种口腔软硬组织ct序列与三维网格模型配准方法 |
CN105447908A (zh) * | 2015-12-04 | 2016-03-30 | 山东山大华天软件有限公司 | 基于口腔扫描数据和cbct数据的牙列模型生成方法 |
CN105761252A (zh) * | 2016-02-02 | 2016-07-13 | 北京正齐口腔医疗技术有限公司 | 图像分割的方法及装置 |
CN106327535A (zh) * | 2016-08-16 | 2017-01-11 | 苏州迪凯尔医疗科技有限公司 | Cbct的牙根与口内扫描的牙冠的融合方法 |
Non-Patent Citations (6)
Title |
---|
HIEW L T 等: "Tooth segmentation from cone-beam CT using", 《2010 2ND ASIA-PACIFIC SIGNAL AND INFORMATION PROCESSING ASSOCIATION 》 * |
KEUSTERMANS J 等: "Integrating Statistical Shape Models into a Graph Cut Framework for Tooth Segmentation", 《 INTERNATIONAL WORKSHOP ON MACHINE LEARNING IN MEDICAL IMAGING》 * |
YAU, HT 等: "Tooth model reconstruction based upon data fusion for orthodontic treatment simulation", 《COMPUTERS IN BIOLOGY AND MEDICINE》 * |
张东霞 等: "基于口腔计算机断层扫描图像与激光扫描图像融合的牙齿三维模型重构", 《生物医学工程学杂志》 * |
段博文: "基于CBCT与三维扫描的数字化牙列建模与应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王立新 等: "基于区域自适应形变模型的CT图像牙齿结构测量方法研究", 《生物医学工程学杂志》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108596896A (zh) * | 2018-04-26 | 2018-09-28 | 重庆市劢齐医疗科技有限责任公司 | 一种全自动的种植导板生产方法 |
CN108596896B (zh) * | 2018-04-26 | 2022-02-11 | 重庆市劢齐医疗科技有限责任公司 | 一种全自动的种植导板生产方法 |
CN109003269A (zh) * | 2018-07-19 | 2018-12-14 | 哈尔滨工业大学 | 一种能提高医生效率的医学影像病灶的标注提取方法 |
CN109003269B (zh) * | 2018-07-19 | 2021-10-08 | 哈尔滨工业大学 | 一种能提高医生效率的医学影像病灶的标注提取方法 |
CN110619633A (zh) * | 2019-09-10 | 2019-12-27 | 武汉科技大学 | 一种基于多路滤波策略的肝脏图像分割方法 |
CN110619633B (zh) * | 2019-09-10 | 2023-06-23 | 武汉科技大学 | 一种基于多路滤波策略的肝脏图像分割方法 |
KR20210036697A (ko) * | 2019-09-26 | 2021-04-05 | 주식회사 메디트 | 3차원 데이터 정렬 장치 및 3차원 데이터 정렬 방법 |
KR102311388B1 (ko) | 2019-09-26 | 2021-10-13 | 주식회사 메디트 | 3차원 데이터 정렬 장치 및 3차원 데이터 정렬 방법 |
US11704819B2 (en) | 2019-09-26 | 2023-07-18 | Medit Corp. | Apparatus and method for aligning 3-dimensional data |
Also Published As
Publication number | Publication date |
---|---|
CN107146232B (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447908B (zh) | 基于口腔扫描数据和cbct数据的牙列模型生成方法 | |
CN111862171B (zh) | 基于多视图融合的cbct与激光扫描点云数据牙齿配准方法 | |
EP3349680B1 (en) | Method for creating flexible arch model of teeth for use in restorative dentistry | |
CN101828974B (zh) | 种植义齿个性化定位导板的制造方法 | |
CN106327535B (zh) | Cbct的牙根与口内扫描的牙冠的融合方法 | |
CN107146232A (zh) | 口腔cbct图像与激光扫描牙齿网格的数据融合方法 | |
Wiley et al. | Evolutionary morphing | |
CN101393653B (zh) | 一种通过牙颌石膏模型ct数据和牙颌的全景透视图重建全牙的三维模型方法 | |
CN108470365B (zh) | 一种基于上下牙颌的牙弓线绘制方法 | |
Yin et al. | Morfit: interactive surface reconstruction from incomplete point clouds with curve-driven topology and geometry control. | |
Zheng et al. | A novel 3D morphing approach for tooth occlusal surface reconstruction | |
CN111784754B (zh) | 基于计算机视觉的牙齿正畸方法、装置、设备及存储介质 | |
CN110087577A (zh) | 用于从牙列网格去除牙箍的方法和系统 | |
CN107203998A (zh) | 一种对锥束ct图像进行牙列分割的方法 | |
WO2011097947A1 (zh) | 一种适用于从牙颌三角网格曲面分割牙齿三角网格曲面的方法 | |
CN111685899A (zh) | 基于口内图像和三维模型的牙齿正畸治疗监测方法 | |
WO2020263987A1 (en) | Processing digital dental impression | |
CN115619773B (zh) | 一种三维牙齿多模态数据配准方法及系统 | |
US11540906B2 (en) | Processing digital dental impression | |
CN111968146A (zh) | 三维牙颌网格模型分割方法 | |
CN115272585A (zh) | 一种三维牙列模型构建装置及方法 | |
CN112102495A (zh) | 一种基于cbct影像的牙弓曲面生成方法 | |
Molnar et al. | Idealized landmark-based geometric reconstructionsof poorly preserved fossil material: a case study of an early tetrapod vertebra | |
CN109859099A (zh) | 基于sfm点云深度的盆栽玉米杂草快速去除方法 | |
CN114549540A (zh) | 一种口扫牙齿数据与cbct数据自动融合的方法及其应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200720 Address after: No.1, 10th floor, building 7, No.2, Yubei District, Chongqing Patentee after: Chongqing Yajia Medical Technology Co., Ltd Address before: 401120, D1-4 building, 13 Creative Park, food city, Chongqing, Yubei District Patentee before: CHONGQING MAIQI MEDICAL TECHNOLOGY Co.,Ltd. |